0% ont trouvé ce document utile (0 vote)
102 vues30 pages

Smart Farming

Le projet SMART FARMING vise à détecter les maladies des fruits en utilisant un robot équipé de caméras et de capteurs pour capturer et analyser des images des cultures. Les résultats sont transmis à une interface web, permettant une évaluation précise de la qualité des récoltes et une réduction des pertes. Ce projet promet d'améliorer la productivité agricole et d'encourager l'adoption de technologies innovantes dans le secteur.

Transféré par

Khalil Ghaldane
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
102 vues30 pages

Smart Farming

Le projet SMART FARMING vise à détecter les maladies des fruits en utilisant un robot équipé de caméras et de capteurs pour capturer et analyser des images des cultures. Les résultats sont transmis à une interface web, permettant une évaluation précise de la qualité des récoltes et une réduction des pertes. Ce projet promet d'améliorer la productivité agricole et d'encourager l'adoption de technologies innovantes dans le secteur.

Transféré par

Khalil Ghaldane
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd

Projet de fi n d’année :

SMART FARMING
- Fruit disease
detection
Présenté par : Encadré par:
EL FENNIR Bilal Mme. JAKJOUDE
GHALDANE Khalil
KHADRAJI Youssef
YAZIDI Soufiane
PLAN DE
PRÉSENTATION
1 INTRODUCTIO 4 INTERFACE
N
2 DESCRIPTION DU 5 IMPACTS &
PROJET BÉNÉFICES
3
DÉMONSTRATION 6
CONCLUSION &
PERSPECTIVES
1
INTRODUCTION 30% à 40% de
pertes
La FAO indiquent que les mauvaises
pratiques après récolte, souvent liées à
des évaluations manuelles inexactes,
Comment les agriculteurs évaluent-
peuvent entraîner des pertes de 30 à 40
ils la qualité de leurs fruits et
% des fruits et légumes.
légumes aujourd’hui ?
Gaspillage des ressources
Lorsque des fruits et légumes sont
perdus ou gaspillés, toutes les
ressources utilisées pour les produire
(eau, énergie, engrais) sont également
perdues.
Objectif 1
OBJECTIFS Capturer des images des fruits et
légumes grâce à une caméra
embarquée.
.

Objectif 2
Analyser ces images à l’aide d’un
programme de machine learning.

Objectif 3
Transmettre les résultats sur une
interface web claire et intuitive

2
Description du projet

ÉTAPE 1 ÉTAPE 2

ÉTAPE 3 ÉTAPE 4

3
Description du projet
ÉTAPE 1: Déplacement du robot
ÉTAPE 2
Le robot suit un itinéraire défini autour
des arbres grâce à un système de
navigation intégré.
Cela garantit que chaque côté de l’arbre
est couvert et
ÉTAPE 3
que les données sont
ÉTAPE 4
collectées de manière complète.

3
Description du projet

ÉTAPE 1 ÉTAPE 2

ÉTAPE 3 ÉTAPE 4

3
Description du projet

ÉTAPE 2 : Capture des données


ÉTAPE 1
• Prise d’images :
Une caméra embarquée capture des
images de chaque côté des arbres.
• Mesure des conditions du sol :
Des capteurs embarqués mesurent
ÉTAPE 3 ÉTAPE 4
L’humidité et la température du sol.

3
Description du projet

ÉTAPE 1 ÉTAPE 2

ÉTAPE 3 ÉTAPE 4

3
Description du projet
ÉTAPE 3: Analyse des données
Résultats obtenus
ÉTAPE 1 : ÉTAPE 2
• Nombre d’arbres
Les images analysés.
et les données des capteurs
•(humidité
Moyenne de
et l’humidité
températureet de
dula sol)
température
sont
du sol.
transmises à une carte microcontrôleur.
• Type
Un de fruit détecté.
programme de machine learning
•analyse
Nombre ces
total informations
de fruits présents.
pour produire
•des
Nombre de fruits
résultats ÉTAPE 4
de bonne qualité.
détaillés.
• Nombre de fruits de mauvaise qualité.

3
Description du projet

ÉTAPE 1 ÉTAPE 2

ÉTAPE 3 ÉTAPE 4

3
Description du projet
ÉTAPE 4 : Transmission et affi chage des résultats
ÉTAPE 1 ÉTAPE 2
Les résultats de l’analyse sont envoyés à une
interface utilisateur sur un site web via Wi-Fi.
Les données sont organisées et présentées sous
forme de Tableaux pour affi cher les résultats
détaillés et Dashboard pour visualiser les données
ÉTAPE 3
de manière intuitive.

3
Matérielle utilisée

Hardware : Software :
• Capteurs : • Programme de
infrarouge, commande de
Ultrason, Humidité, • Programme
déplacementML
(C)d’analyse
• Température
CAMÉRA des images (Python)
• NVIDIA jetson nano • Interface Site Web (Python
• Arduino UNO + HTML/CSS/JavaScript)
• 4 moteurs + 4 • Communication : WIFI
• Shield
Roues motor 4
DÉMONSTRATION

5
DÉMONSTRATION

5
DÉMONSTRATION
4ème Capture

1 ère
Capture 3ème Capture

5
2 ème
Capture
DÉMONSTRATION

INPUT :

6
DÉMONSTRATION

OUTPUT :

6
DÉMONSTRATION

INPUT :

7
DÉMONSTRATION

OUTPUT :

7
DÉMONSTRATION

7
DÉMONSTRATION

7
INTERFACE

8
INTERFACE

9
INTERFACE

10
INTERFACE

11
INTERFACE

9
IMPACTS &
BÉNÉFICES
Productivité Qualité des Récoltes
• Optimisation du travail • Amélioration de la
• Identification précoce des qualité des fruits et
problèmes légumes
• Amélioration du rendement • Réduction des pertes

Innovation Impacts Économiques


• Introduction de la • Réduction des coûts de
technologie en milieu main-d'œuvre
agricole • Augmentation des revenus
• Encouragement à l’adoption
de nouvelles technologies
• Accessibilité des données
agricoles
12
Conclusion & Perspectives

Ce projet contribue à : Comme Perspectives :

• Améliorer la productivité agricole. • Extension des capacités du robot


• Réduire les pertes. • Amélioration de l’analyse
• Encourager une gestion durable • Utilisation de drones.
et innovante des exploitations.

13
MERCI DE VOTRE
ATTENTION

Vous aimerez peut-être aussi